SISTEM PAKAR PENYAKIT TEMBAKAU NA OOGS MENGGUNAKAN METODE CERTAINTY FACTOR BERBASIS WEB
Notice bibliographique
Résumé
Pengendalian secara dini penting agar tidak meluasnya penyakit tembakau. Yang terjangkit ketanaman yang masih sehat dan baik. Tetapi terkadang para petani tembakau masih bingung mendiagnosa penyakit apa saja yang menyerang tanaman tembakau dikarenakan gejala yang tidak diketahui dan juga penangananya. disini peran pakar penting untuk membantu para petani untuk mendiagnosa penyakit dan juga bagaimana cara menangani penyakit yang menjangkit tanaman tembakau. Akan tetapi karena keterbatasan waktu dan tenaga terkadang para pakar tidak bisa mendiagnosa semuanya. Oleh karena itu, diperlukan sebuah sistem pakar yang dapat menringankan peran seorang pakar dan memberikan edukasi pengetahuan-pengetahuan umum mengenai penyakit tembakau kepada petani. Tujuan dari penelitian ini adalah merancang dan membangun sebuah sistem pakar yang dapat mendiagnosa penyakit tembakau. berdasarkan gejala-gejala yang telah dimasukkan serta memberikan rekomendasi berupa informasi dan penanganan terhadap penyakit tersebut.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».